EXEMPLE DE MILLOR PRÀCTICA
Títol: Panells de control d'analítica d'aprenentatge com a eines de retorn i implicació per als estudiants (Jivet et al., 2021)
Universitat: Universitat Erasmus de Rotterdam
Secció del marc de referència: G - L'AA genera dades sobre el comportament dels estudiants (per exemple, es creen activitats per als estudiants perquè reflexionin sobre el seu progrés d'aprenentatge i les estratègies utilitzades per a l'aprenentatge)
Quines competències i resultats d'aprenentatge del marc de referència DigCompEdu abordem?
Autoregulació de l'aprenentatge. Implicació activa dels alumnes | Supervisió del RENDIMENT - Utilitzar les tecnologies digitals per permetre als alumnes recollir proves i registrar els progressos, per exemple, enregistraments d'àudio o vídeo, fotos. - Utilitzar tecnologies digitals (per exemple, portafolis electrònic, blogs d'alumnes) per permetre als estudiants registrar i mostrar el seu treball. AUTOREFLEXIÓ - Utilitzar les tecnologies digitals per permetre que els alumnes reflexionin i autoavaluïn el seu procés d'aprenentatge. - Posar l'ús actiu de les tecnologies digitals per part dels alumnes al centre del procés d'ensenyament. |
Temes clau: aquesta bona pràctica considera un panell de control que es va integrar en dos MOOC de Coursera, desenvolupats i gestionats per la Universitat Erasmus de Rotterdam: un curs de desenvolupament professional per a professors d'educació superior sobre avaluació (AHE) i un curs de sostenibilitat sobre el paper de les empreses en la consecució dels objectius de desenvolupament sostenible (ODS). Tots dos cursos eren en anglès, amb un ritme propi i amb terminis flexibles.
Per començar, tal com sostenen els autors de l'estudi, els panells de control de l'analítica d'aprenentatge (PCAA) són intervencions de retorn (feedback) dissenyades per augmentar la conscienciació, la reflexió i la capacitat d'autoregulació dels estudiants. No obstant això, els LAD són mostres passives d'informació i els estudiants poques vegades tenen el poder de participar activament en el procés de retorn. Dissenyar LAD impactants per als estudiants planteja els reptes de seleccionar dades significatives per als estudiants. L'estudi de Jivet et al. (2021) aborda aquest problema i adopta un enfocament centrat en l'alumne que permet que els estudiants prenguin la seva pròpia decisió sobre quina informació volen veure en un LAD.
Figura 1. Panell de control d'aprenentatge configurable que dona la benvinguda als estudiants de Jivet et al. (2021), pàg. 419
Els investigadors han creat un panell de control personalitzable en el qual els estudiants poden establir objectius i triar la informació que volen controlar com a part del procés d'(auto)regulació del seu aprenentatge per assolir els seus objectius. El LAD ofereix als estudiants comentaris actualitzats periòdicament. A partir de les interaccions dels alumnes amb els panells de control, els investigadors van analitzar les decisions que els estudiants van prendre sobre el panell de control i el paper dels objectius de l'alumne i les habilitats d'autoregulació de l'aprenentatge, dos conceptes estretament relacionats amb la manera com els aprenents processen i utilitzen el retorn.
Figura 2. El giny després d'haver estat configurat pels estudiants de Jivet et al. (2021), pàg. 419
Aquest estudi mostra que fer que els LAD puguin ser personalitzats pels estudiants i controlar les seves interaccions amb aquests dispositius pot proporcionar informació sobre la manera que els estudiants utilitzen els LAD. Els alumnes van triar de manera aclaparadora indicadors de progrés del contingut, centrant-se especialment en els indicadors que informen sobre les activitats d'aprenentatge finalitzades i no sobre la nota del curs. L'indicador de comportament d'aprenentatge més freqüent va ser B3: Productivitat, que mostra el percentatge d'activitats d'aprenentatge realitzades el mateix dia en què es van iniciar. Quan es modela la selecció d'indicadors de comportament d'aprenentatge, dues idees són particularment interessants. En primer lloc, els resultats mostren que els alumnes amb més habilitats de recerca d'ajuda tenen més probabilitats de seleccionar i monitoritzar B2: Participació en debats. Les habilitats més elevades de recerca d'ajuda permeten que els estudiants reconeguin la seva necessitat d'ajuda i saber on i quan buscar-la. Això suggereix que els fòrums són vists com a fonts d'ajuda només per aquells estudiants amb habilitats per buscar ajuda. En segon lloc, les habilitats de gestió del temps i la inclusió d'un marc temporal en el seu objectiu són predictors significatius per a la selecció de B6: Termini de realització de les activitats. Els tres conceptes estan relacionats amb la priorització i l'assignació eficient del temps a les tasques d'aprenentatge. Aquest indicador pot proporcionar als estudiants una indicació per comprovar si continuen pel bon camí i poden assolir els seus objectius en el període de temps especificat.
Figura 3. Indicadors seleccionats més habitualment que mostren el nombre i la proporció d'alumnes de cada curs que han seleccionat cada indicador. De Jivet et al. (2021), pàg. 421
Rellevància per al professorat
Dissenyar panells de control "únics" posa en desavantatge determinats alumnes, ja que els estudiants qualificats s'inclinen més per fer el seguiment de comportaments associats a un rendiment més alt. El disseny de LAD impactants ha d'abordar els nivells d'habilitats dels alumnes i també donar suport als estudiants novells perquè reconeguin els beneficis de fer un seguiment del seu comportament d'aprenentatge i utilitzar les estratègies d'aprenentatge.
Mitjançant un panell de control personalitzable, investigadors i professors van recopilar informació que dona llum als processos metacognitius i d'aprenentatge autoregulat dels estudiants, amb la qual cosa poden observar les decisions que van prendre quant a la informació que supervisen en un entorn d'aprenentatge.